Text-to-SQL增强参考

[cnsky2016]

根据https://yale-lily.github.io/spider Leaderboard - Execution with Values章节排名前3并且公布论文的有DIN-SQL和C3

1. DIN-SQL+GPT4

• 论文地址：https://arxiv.org/abs/2304.11015

• 核心思想：将错误分类，然后针对每一类错误用一个子任务实现，最终组合成解决方案，分为以下几个模块

• Schema-linking：利用COT（思维链）提取需要的表和字段

• Classification & Decomposition Module：将查询分类：简单、非嵌套复杂查询、嵌套复杂查询

• SQL Generation Module：根据上一步分类，分别处理：

  • 非嵌套复杂查询：使用COT，增加中间步骤提示SQL，其中中间步骤提示内容来自NatSQL
  • 嵌套复杂查询：先生成每个子查询，再组合

• Self-correction Module: 对于生成的SQL，根据模型类型不同CodeX/GPT4使用不同的promot

  • 将生成的SQL作为有错误的SQL，让模型尝试修正错误
  • 根据给定的tips让模型修正SQL

2. C3

• 论文地址：https://arxiv.org/abs/2307.07306
• 核心思想：将错误分类，然后针对每一类错误优化Prompt
• Clear Prompting（CP）：
  • 将prompt分为指令、上下文（表schema）、问题三部分，提高准确率
  • 通过表召回、字段召回两步prompt，实现上下文部分的生成
• Calibration with Hints (CH) ：对于常见的使用多余字段、join错误，在prompt中增加了部分提示语
• Consistency Output（CO）：针对模型输出不稳定，每次调用让模型生成多个SQL，在数据库上执行SQL，剔除有错误的，然后投票选一个SQL作为最终SQL

[wangzaistone]

Great suggestion!